简单的opencv摄像头识别数字的代码

以下是一个简单的使用OpenCV进行数字识别的示例代码：

import cv2

# 加载数字模板图像
templates = []
for i in range(10):
    template = cv2.imread(f"template_{i}.png", cv2.IMREAD_GRAYSCALE)
    templates.append(template)

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取每一帧图像
    ret, frame = cap.read()

    # 转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 调整阈值
    _, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

    # 查找轮廓
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # 遍历每个轮廓
    for contour in contours:
        # 获取轮廓外接矩形
        x, y, w, h = cv2.boundingRect(contour)

        # 如果矩形面积过小则忽略
        if w * h < 100:
            continue

        # 提取数字图像
        digit = gray[y:y+h, x:x+w]

        # 缩放为固定大小
        digit = cv2.resize(digit, (30, 30))

        # 计算匹配分数
        scores = []
        for template in templates:
            score = cv2.matchTemplate(digit, template, cv2.TM_CCOEFF_NORMED)
            scores.append(score)

        # 获取匹配最高的数字
        digit_idx = max(range(10), key=lambda i: scores[i])

        # 在图像中绘制数字
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
        cv2.putText(frame, str(digit_idx), (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

    # 显示结果
    cv2.imshow("image", frame)

    # 按下q键退出程序
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

该代码首先加载了数字模板图像，然后打开摄像头并读取每一帧图像。接下来转换为灰度图像并调整阈值，然后查找每个连通区域的轮廓。对于每个大于一定面积的轮廓，提取数字图像并缩放为固定大小。然后计算数字图像与所有模板图像的匹配分数，并选择最高分数对应的数字。最后在图像中绘制选定的数字并显示结果。

当程序运行时，它将显示来自摄像头的实时视频，并在视频中绘制检测到的数字。按下“q”键将退出程序。